卷积审计网络 看书太复杂，被劝退的概率太高。
1. 卷积 – 用吃饭消化 来理解卷积函数 f(t)g(x-t)
卷积：不稳定输入，稳定输出，求系统存量
卷积就是把g(x) 函数翻转了，因为翻转了，所以叫做卷积
2. 卷积神经网络 的主要功能是识别图片里面的内容，比如图片是猫是狗
周围像素点如何对当前的点产生影响
图像的卷积操作
f(t) = 不稳定输入
g(x-t) = 稳定输出
电脑里面的图片都可以看作是一个一个的像素点
卷积核：例如 3 x 3的点阵
为了保持输出图片跟输入图片大小相等，只要在图片的最外层补0，也叫padding。
2.1 用飓风的原因是 蝴蝶煽动了翅膀，算出煽动翅膀影响飓风产生的概率来解释。
2.2 平滑卷积操作 卷积核
卷积核的作用之一，就是周围像素点对当前像素点的影响，比如下面的卷积核就是：把周围的像素点相加，然后求平均值
2.3 g函数 旋转 180°以后才是卷积核
像素点，用连加的方式求和，而不是积分
g函数 旋转 180°以后才是卷积核
3. 卷积神经网络 过滤器，卷积核如何筛选需要的像素点
4. 卷积神经网络的工作原理
华人计算机科学家 李飞飞 发起 ImageNet，鼓励大家上传图片并打标签
3个卷积核分别提取 左上角，中间的x，左下角的特征。
4.1 Pooling 池化层下采样，把图片的面积缩小
红黄蓝3个通道
4.2 激活函数，ReLUs 修正性激活函数，把负数抹成0，方便计算
4.3 全连接层
4.4 李飞飞发起的ImageNet 网站 - 2009年
4.5 反向传播 Backprop
Error = right answer - actual answer
loss = min(Error1, Error2... ErrorN)
4.6 超参数，框架的参数
参考
https://www.bilibili.com/video/BV1VV411478E
https://www.bilibili.com/video/BV1sb411P7pQ/
